强大的 IDE，可减少 yolo/darkflow 中训练数据集的时间

Question

我是机器学习的初学者。
我一直在通过 Ubuntu 20.04 的以下链接了解 YOLO 和 DarkFlow：darkflow 和 Tiny YOLO。

我成功执行了代码，得到了这样的结果：

<块引用>

统计：
汽车：436
人数：73
数据集大小：2599
2599 个实例的数据集
训练统计：
学习率：1e-05
批量大小：16
时代数：1000
每 : 2000 次备份

还不错，但是培训花费了太多时间。
但我想知道是否有任何功能强大的 IDE 或其他工具可以帮助我减少时间。
我在谷歌搜索并试图找到许多改进方法。
我听说有很多方法可以加快训练速度（包括 Azure AI ML 服务），但由于我是初学者，我无法决定运行 YOLO 和 DarkFlow 的最佳选择。

我希望得到有关稳健开发环境的建议，尤其是那些适合我当前特定条件的环境。
提前致谢！

++) 因为我才大二，能用的硬件水平非常有限。我也很感激能帮助我克服硬件限制的工具！

Answer 1

IDE 通常不会减少计算时间，而是基于编译器。很可能，如果您无法获得更好的硬件，您将只需要处理密集的培训时间。但是，您可能会考虑使用 gpu 进行计算（如果有的话），而不是它在 cpu 上运行的标准方式。这是有关如何在 Tensorflow 中实现此目的的链接：https://stackoverflow.com/a/51307381/14392018。一般规则是数据越多，ML/DL 模型越复杂（即神经网络中的层数越多），在数据集上计算 1 个 epoch 所需的时间就越长。此外，您处理的数据越多，计算强度就越高。